Oppiskele Group_by ja Aggregoinnit | Yhdistäminen, Aggregointi

Pyyhkäise näyttääksesi valikon

Tietojen ryhmittely ja aggregointi on keskeinen osa datan käsittelyä, erityisesti kun halutaan tiivistää tietoa kategorioittain. Polarsin avulla ryhmittely- ja aggregaatiotoiminnot voidaan suorittaa tehokkaasti rinnakkain, mikä tekee siitä ihanteellisen suurille aineistoille. Oletetaan, että käytössä on DataFrame nimeltä games_df, jossa on sarakkeet kuten developer, price, positive_reviews ja negative_reviews. Saatat haluta selvittää kunkin kehittäjän keskimääräisen hinnan ja arvostelujen kokonaismäärän. Polarsissa tämä onnistuu käyttämällä group_by-metodia ja aggregaatiotoimintoja, kuten mean ja sum.

Alla esimerkki, jossa games_df ryhmitellään developer-sarakkeen mukaan, lasketaan keskimääräinen hinta ja summataan arvostelujen kokonaismäärä (sekä positiiviset että negatiiviset arvostelut yhdistettynä):


              123456789101112131415161718192021
            
import polars as pl

# Sample data
games_df = pl.DataFrame({
    "developer": ["DevA", "DevB", "DevA", "DevC", "DevB"],
    "price": [10.0, 20.0, 15.0, 30.0, 25.0],
    "positive_reviews": [100, 150, 200, 80, 120],
    "negative_reviews": [10, 20, 15, 5, 8]
})

# Group by developer, calculate average price and total reviews
result = (
    games_df
    .group_by("developer")
    .agg([
        pl.col("price").mean().alias("avg_price"),
        (pl.col("positive_reviews") + pl.col("negative_reviews")).sum().alias("total_reviews")
    ])
)

print(result)

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 1

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 2. Luku 1